【摘 要】
:
目的:研究健康宣教措施在儿童保健门诊中的实际应用效果.方法:选择我院儿童门诊接纳的86例儿童作为研究对象,采用随机分组的方式分为观察组和对照组,各43例,其中对照组采用常
【机 构】
:
南京市鼓楼区妇幼保健所儿保科 江苏 南京 210000
论文部分内容阅读
目的:研究健康宣教措施在儿童保健门诊中的实际应用效果.方法:选择我院儿童门诊接纳的86例儿童作为研究对象,采用随机分组的方式分为观察组和对照组,各43例,其中对照组采用常规干预措施,观察组在对照组的基础上辅助健康教育措施,对两组儿童家长的相关知识掌握程度、儿童的生活质量、干预前后家长的心理情况以及对干预工作的满意情况进行对比.结果:经过干预后,观察组家长的饮食、体格、疫苗接种等相关知识的掌握程度明显高于对照组,P<0.05;且两组儿童的身体功能、营养状况、发育情况以及心理情况均得到改善,较之对照组差异明显,P<0.05;干预前两组家长的焦虑状态以及不确定感对比无明显差异,经过干预后,观察组与对照组差异明显,P<0.05;实施对比后,观察组家长对干预工作的满意度程度明显高于对照组,P<0.05,差异具有统计学意义.结论:在儿童保健门诊中,在常规干预措施的基础上辅助健康宣教,能提升家长对相关知识的掌握程度,改善儿童的生活质量,缓解家属的心理情况,广泛取得了家长对干预工作的认可,对儿童的健康成长具有重要意义,值得临床研究与借鉴.
其他文献
近年来,金融量化领域中不断出现基于人工智能算法的量化投资模型,这些模型试图通过人工智能的方法来对金融时间序列建模,从而对数据进行预测并构建投资策略.针对传统的长短时记忆神经网络(Long Short Term Memory,LSTM)对金融时间序列预测不佳的问题,本文提出一种改进的LSTM模型,通过在LSTM层加入注意力机制(attention mechanism)提高神经网络的预测效果,通过遗传算法(Genetic Algorithm,GA)对模型参数调优提高模型泛化能力.使用2019年1月至2020年
晶体结构研究是研究固体材料物理化学性质的基础,而筛选晶体结构通常基于能量最低原理,采用密度泛函理论计算结构能量需要大量计算资源及服务时间.为此本文提出了面向材料结构预测的深度学习方法,加快材料晶体结构的预测.本文从数据集优化、模型训练策略、算法优化等方面进行了深入研究,确定了应用于材料结构预测中深度学习的网络参数和优化算法.将确定的深度学习框架用于寻找Si单晶、TiO2和CaTiO3化合物的基态稳定结构,实验结果表明,利用本研究提出的深度学习方法预测的晶体结构与
人脸识别技术在安防,商业,金融等领域都有广泛的应用.针对目前人脸识别系统成本高,易用性低等现象,提出了基于树莓派(Raspberry Pi)实现人脸识别的方案.首先利用OpenCV计算机视觉库中的Harr级联方法,对图像中的人脸进行定位;然后利用改进的MobileNetV2网络模型对人脸进行特征提取和分类,得到一个优化的人脸识别模型;最后将模型移植到Raspberry Pi进行人脸识别.该模型对图